Análisis de Datos Categóricos con PROC CATMOD

El script comienza creando un conjunto de datos 'detergent' a partir de datos internos (datalines), que representan los resultados de una encuesta de preferencia de marca. Luego, utiliza PROC CATMOD para ajustar dos modelos estadísticos. El primero es un modelo saturado que incluye todas las interacciones entre las variables explicativas (tipo de agua, uso anterior, temperatura) para predecir la marca preferida. El segundo es un modelo más simple, que considera solo los efectos principales de estas mismas variables, con el fin de comparar los ajustes.

Análisis de datos

Type : CREACION_INTERNE

Los datos se crean directamente en el script a través de un paso DATA STEP y una instrucción DATALINES. Representan una tabla de contingencia agregada donde la variable 'Count' sirve como peso.

1 Bloque de código

DATA STEP Data

Explicación :
Este bloque DATA STEP lee los datos de la encuesta directamente del código (datalines). Se leen las variables Softness, Brand, Previous, Temperature y Count. La opción '@@' en la instrucción INPUT indica que varias observaciones pueden estar en la misma línea de datos.

¡Copiado!

1	DATA detergent;
2	INPUT Softness $ Brand $ Previous $ Temperature $ Count @code_sas_json/8_SAS_Intro_ReadFile_MultiCol_@@.json;
3	DATALINES;
4	soft X yes high 19 soft X yes low 57
5	soft X no high 29 soft X no low 63
6	soft M yes high 29 soft M yes low 49
7	soft M no high 27 soft M no low 53
8	med X yes high 23 med X yes low 47
9	med X no high 33 med X no low 66
10	med M yes high 47 med M yes low 55
11	med M no high 23 med M no low 50
12	hard X yes high 24 hard X yes low 37
13	hard X no high 42 hard X no low 68
14	hard M yes high 43 hard M yes low 52
15	hard M no high 30 hard M no low 42
16	;

2 Bloque de código

PROC CATMOD

Explicación :
Este procedimiento analiza los datos categóricos. 'WEIGHT Count' especifica que los datos están agregados. 'RESPONSE 1 0' define la función de respuesta. Se ajusta un primer modelo saturado (modelo completo con todas las interacciones: Softness|Previous|Temperature). Luego, se prueba un segundo modelo más simple, con solo los efectos principales, para comparar los resultados. Las opciones '/freq prob' solicitan la visualización de frecuencias y probabilidades, y '/clparm noprofile design' solicitan los intervalos de confianza para los parámetros y la matriz de diseño del modelo.

¡Copiado!

1	title 'Detergent Preference Study';
2	PROC CATMOD DATA=detergent;
3	response 1 0;
4	weight Count;
5	model Brand=Softness\|Previous\|Temperature / freq prob;
6	title2 'Saturated Model';
7	RUN;
8
9	model Brand=Softness Previous Temperature
10	/ clparm noprofile design;
11	title2 'Main-Effects Model';
12	RUN;
13	QUIT;

Este material se proporciona "tal cual" por We Are Cas. No hay garantías, expresas o implícitas, en cuanto a la comerciabilidad o idoneidad para un propósito particular con respecto a los materiales o el código contenidos en este documento. We Are Cas no es responsable de los errores en este material tal como existe ahora o existirá, ni We Are Cas proporciona soporte técnico para el mismo.

Información de copyright : S A S S A M P L E L I B R A R Y

Retour à la liste